unicode是编码字符集,而UTF-8、UTF-16、UTF-32是字符集编码
Unicode 分配给字符一个唯一的数字编号,这个编号范围从 0x000000 到 0x10FFFF (十六进制),有 110 多万,每个字符都有一个唯一的 Unicode 编号,这个编号一般写成 16 进制,在前面加上 U+。
Unicode 就相当于一张表,建立了字符与编号之间的联系
例如:
U+0020 表示 空格
U+0021 表示!感叹号
U+0022 表示“ 双引号
…
UTF-32
它是字符所对应编号的整数二进制形式,用四个字节表示,处理单元为四个字节;
UTF-16
用变长字节表示
① 对于编号在 U+0000 到 U+FFFF 的字符(常用字符集),用两个字节表示。
② 编号在 U+10000 到 U+10FFFF 之间的字符,用四个字节表示;
UTF-8
也是使用变长字节表示。
根据 Unicode 编号的大小,编号小的使用的字节就少,编号大的使用的字节就多。使用的字节个数从 1 到 4 个不等。
UTF-8 的编码规则是:
① 对于单字节的符号,字节的第一位设为 0,后面的7位为这个符号的 Unicode 码,。
② 对于n字节的符号 (n>1),第一个字节的前 n 位都设为 1,第 n+1 位设为 0,后面字节的前两位一律设为 10,剩下的没有提及的二进制位,全部为这个符号的 Unicode 码 。